推理之贝叶斯网络（Bayesian Networks，BN）简介

    大侦探在对案件进行破解的过程中，不会放过一个细致入微的观察，敏锐的洞察力和非凡的推理技巧，是他们的过人之处，例如福尔摩斯，狄仁杰...

    贝叶斯网络是一种概率网络，利用图形化的方式进行决策分析。它是基于概率分析、图论的一种不确定性因素表示和推理的模型，是一种将因果关系和概率知识相结合的信息表示框架。

    BN网络是包含一个条件概率表的有向无环图（Directed Acyclic Graphs，DAG），在网络拓扑结构图中，节点表示变量（或事件），节点之间的弧(从原因事件指向结果事件)代表父节点和子节点的直接因果关系，并通过二维条件概率表（CPT)形式注解，而没有任何父节点的概率为其先验概率。节点变量可以是任何变量的抽象，例如设备部件的状态、测试值、观测现象等。BN = <G,{CPT}>,其中G代表网络拓扑结构图，{CPT}代表与每个节点变量相关的条件概率表，一个图G和n个条件概率表就构成了贝叶斯网络.

    一个简单的贝叶斯网络拓扑结构图示例如下：